【CG】齐次坐标(homogeneous coordinates)

齐次坐标是计算机图形学中的重要概念,它通过在向量末尾添加一个额外的维度来区分点和向量。点的齐次坐标形式如(X, Y, Z, 1),而向量则表示为(X, Y, Z, 0)。这种表示法简化了平移、旋转和缩放等几何变换的矩阵运算,使得变换表达为p′=p*M的形式。在OpenCV中,齐次坐标也被广泛应用,用于实现各种图形变换操作。" 123547687,10065163,神经网络解决PDE约束下的L1稀疏优化问题,"['偏微分方程', '数值计算', '机器学习', 'Python', '科学计算']
摘要由CSDN通过智能技术生成

Backto OpenCV Index


简介

在向量后面加一个小尾巴,升一维。比如 ( x , y ) (x,y) (x,y) ( x , y , 1 ) (x,y,1) (x,y,1)表示

重要性

“齐次坐标表示是计算机图形学的重要手段之一,它既能够用来明确区分向量和点,同时也更易用于进行仿射(线性)几何变换。” – 《计算机图形学(OpenGL版)》的作者F.S. Hill Jr.

通过 n维的向量用一个n+1维向量来表示,达到了

区分向量和点(以三维空间里点的齐次坐标为例)

  • (X, Y, Z, 1)是点
  • (X, Y, Z, 0)是向量, 也可以表示此方向向量上的无穷远点,或者说此无穷远点定义的方向
  • 原点坐标是(0,0,0,1),(0,0,0,0)没有意义
  • 点(1 , 0 , 0 , 0), (0 , 1 , 0 , 0) 和 (0 , 0 ,1 , 0)分别是轴ox , oy 和oz

更易于进行几何变化

许多图形应用涉及到几何变换,主要包括平移、旋转、缩放。以矩阵表达式来计算这些变换时,平移是矩阵相加,旋转和缩放则是矩阵相乘,综合起来可以表示为 p ′ = m 1 ∗ p + m 2 p' = m_1*p+ m_2 p=m1p+m2( m 1 m_1 m1旋转缩放矩阵, m 2 m_2 m2为平移矩阵, p p p为原向量 , p ′ p' p为变换后的向量)。引入齐次坐标的目的主要是合并矩阵运算中

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值